SELF：基于奇异值与特征值的LLM指纹方案

论文提出基于权重分解的LLM指纹方案SELF，声称可降低假阳性。

资讯摘要

论文提出 SELF，一种基于模型权重内在特征的 LLM 指纹方案，用于模型知识产权取证。作者称该方法不依赖输入，通过对注意力权重做奇异值和特征值分解提取可扩展、对变换不变的指纹，从而抵御虚假声明。实验报告称其在保持较高侵权检测准确率的同时，假阳性率低于现有基线，并对量化、剪枝和微调等下游修改表现出鲁棒性，代码已公开。

要点速读

1. 论文提出 SELF，通过对 LLM 注意力权重做奇异值和特征值分解提取指纹，不依赖输入数据。
2. 作者报告该方法能抵御虚假声明攻击，并在量化、剪枝、微调等修改下保持鲁棒。
3. 作者称其假阳性率显著低于现有基线，代码已在 GitHub 公开。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。